Elemental Characterization of Ambient Particulate Matter for a Globally Distributed Monitoring Network: Methodology and Implications
Notice bibliographique
Résumé
Global ground-level measurements of elements in ambient particulate matter (PM) can provide valuable information to understand the distribution of dust and trace elements, assess health impacts, and investigate emission sources. We use X-ray fluorescence spectroscopy to characterize the elemental composition of PM samples collected from 27 globally distributed sites in the Surface PARTiculate mAtter Network (SPARTAN) over 2019–2023. Consistent protocols are applied to collect all samples and analyze them at one central laboratory, which facilitates comparison across different sites. Multiple quality assurance measures are performed, including applying reference materials that resemble typical PM samples, acceptance testing, and routine quality control. Method detection limits and uncertainties are estimated. Concentrations of dust and trace element oxides (TEO) are determined from the elemental dataset. In addition to sites in arid regions, a moderately high mean dust concentration (6 μg/m 3 ) in PM 2.5 is also found in Dhaka (Bangladesh) along with a high average TEO level (6 μg/m 3 ). High carcinogenic risk (>1 cancer case per 100000 adults) from airborne arsenic is observed in Dhaka (Bangladesh), Kanpur (India), and Hanoi (Vietnam). Industries of informal lead-acid battery and e-waste recycling as well as coal-fired brick kilns likely contribute to the elevated trace element concentrations found in Dhaka.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».